GIÁ TRỊ TÍN HIỆU T2W CHUẨN HÓA VÀ THÔNG SỐ HISTOGRAM TRÊN CỘNG HƯỞNG TỪ 3.0 TESLA TRONG CHẨN ĐOÁN UNG THƯ TUYẾN TIỀN LIỆT

Nguyễn Hữu Chung1, Lê Thanh Dũng1,2, Hoàng Ngân Hà3, Nguyễn Đình Minh2,
1 Trường Đại học Y Dược, Đại học Quốc gia Hà Nội
2 Bệnh viện Hữu nghị Việt Đức
3 Trường Đại học Y Hà Nội

Nội dung chính của bài viết

Tóm tắt

Mục tiêu: Xác định giá trị của tín hiệu T2W chuẩn hóa (normalized T2-weighted - nT2W) và thông số histogram trên cộng hưởng từ (magnetic resonance imagin - MRI) 3.0T trong chẩn đoán ung thư tuyến tiền liệt (UTTTL). Phương pháp nghiên cứu: Nghiên cứu hồi cứu, mô tả cắt ngang có so sánh trên hình ảnh MRI 3.0T của 139 bệnh nhân (BN) nghi ngờ UTTTL, đo tín hiệu T2W, các thông số T2W histogram: Giá trị trung bình (mean), trung vị (median), độ lệch chuẩn (SD), giá trị lớn nhất (max), giá trị nhỏ nhất (min), độ lệch (skewness), độ nhọn (kurtosis), độ hỗn loạn (entropy), độ phân tán (variance). Tín hiệu nT2W là tỷ lệ tín hiệu T2W trung bình (T2Wmean) với cơ bịt trong, so sánh nhóm UTTTL (Gleason ≥ 6) với không UTTTL (Gleason < 6). Kết quả: Vùng ngoại vi: Tổn thương UTTTL thấp hơn so với không ung thư về giá trị nT2W (3,49 ± 0,55 và 4,99 ± 1,43) và một số thông số T2W histogram (mean, median, min, entropy). Vùng chuyển tiếp: Tổn thương UTTTL thấp hơn không ung thư về giá trị nT2W (3,47 ± 0,50 và 4,97 ± 0,89) và một số thông số histogram (mean, median, min, max, skewness, kurtosis) với p ≤ 0,001. Đường cong ROC cho thấy nT2W đáng tin cậy nhất để chẩn đoán UTTTL ở vùng ngoại vi (AUC = 0,947; cut-off: 4,0; độ nhạy: 89,1%; độ đặc hiệu: 96,2%) và vùng chuyển tiếp (AUC = 0,945; cut-off: 4,09; độ nhạy: 94,4%; độ đặc hiệu: 82,0%). Kết luận: Tín hiệu nT2W trên MRI 3.0T đáng tin cậy nhất trong chẩn đoán UTTTL. Các thông số T2W histogram như min, mean, median và entropy vùng ngoại vi hay min, mean, median, skewness, kurtosis vùng chuyển tiếp có giá trị bổ sung trong chẩn đoán.

Chi tiết bài viết

Tài liệu tham khảo

1. Ahmed HU, et al. Diagnostic accuracy of multi-parametric MRI and TRUS biopsy in prostate cancer (PROMIS): A paired validating confirmatory study. Lancet. 2017; 389(10071):815-822.
2. Peker E, et al. Diagnostic performance of multiparametric MR imaging at 3.0 Tesla in discriminating prostate cancer from prostatitis: A histopathologic correlation. Eurasian J Med. 2019; 51(1):31-37.
3. Sunoqrot MRS, et al. Automated reference tissue normalization of T2-weighted MR images of the prostate using object recognition. Magma. 2021; 34(2):309-321.
4. Nguyễn Đình Minh, Vũ Ngọc Dương. Giá trị của định lượng tín hiệu MRI 3.0T trong chẩn đoán ung thư tuyến tiền liệt. Tạp chí Nghiên cứu Y học. 2024; 178(5):1-8.
5. Nguyễn Văn Khôi, Lê Văn Phước, Trịnh Lê Hồng Minh. Giá trị cộng hưởng từ khuếch tán trong chẩn đoán ung thư tuyến tiền liệt. Tạp chí Điện quang & Y học hạt nhân Việt Nam. 2022; 23:38-42.
6. Xing P, et al. Differentiating prostate cancer from benign prostatic hyperplasia using whole-lesion histogram and texture analysis of diffusion- and T2-weighted imaging. Cancer Imaging. 2021; 21(1):54.
7. Özer H, et al. Texture analysis of multiparametric magnetic resonance imaging for differentiating clinically significant prostate cancer in the peripheral zone. Turk J Med Sci. 2023; 53(3):701-711.
8. Patel N, Henry A, and Scarsbrook A. The value of MR textural analysis in prostate cancer. Clin Radiol. 2019; 74(11):876-885.